【技術實現步驟摘要】
本專利技術屬于公務用車管理，具體涉及一種公務車輛行車安全評估方法、系統及程序產品。
技術介紹
1、隨著信息技術的迅猛發展，公務車輛管理系統逐漸向智能化和數字化轉型，通過各種傳感器和通信設備，可以實現車輛的實時監控、調度管理和故障監測等功能，從而顯著提高了公務車輛的管理效率。然而，盡管現有的公務車輛網絡系統在功能和效率方面有所提升，但在公務用車管理方面，還存在以下問題：
2、時效性不足：現有技術往往采用定期安全評估的方式，缺乏實時監控和反饋機制，這使得系統在面臨實時安全威脅時，無法及時做出響應，導致潛在的風險得不到及時的識別和處理。
3、動態風險識別能力差：現有技術對于動態數據的處理能力不足，網絡環境的復雜性和數據交互的頻繁性，使得傳統安全方案難以有效識別潛在風險，從而影響系統的安全防護效果。
4、缺乏有效的風險檢測機制：現有技術在風險檢測能力方面較弱，通常依賴于事后分析，難以及時發現和響應異常情況。這種滯后反應不僅降低了系統的安全性，還可能導致嚴重的數據損失和服務中斷。
5、整體安全評估的不足：現有技術往往只關注某一方面的安全措施，而缺乏對安全態勢的全面評估。這種片面的安全防護策略使得系統的整體安全防護性能受到影響，容易出現薄弱環節。
6、綜上所述，現有的公務車輛網絡管理系統在安全評估方面存在明顯的不足，亟需改進。
技術實現思路
1、本專利技術的目的是提供一種公務車輛行車安全評估方法、系統及程序產品，用以解決現有技術中存在
2、為了實現上述目的，本專利技術采用以下技術方案：
3、第一方面，提供一種公務車輛行車安全評估方法，包括：
4、通過公務車輛網絡實時采集目標公務車輛的各項行車數據，并對各項行車數據進行預處理，得到行車數據集；
5、對行車數據集進行特征提取，得到特征集；
6、將特征集輸入預置的風險識別網絡模型中進行風險識別，得到風險識別結果，所述風險識別結果包含各風險類別及各風險類別對應的風險概率；
7、根據各風險類別以及各風險類別對應的風險概率計算各風險類別對應的綜合風險評分；
8、根據各風險類別對應的綜合風險評分確定對應風險類別的風險等級，并根據風險等級確定對應風險類別的建議措施，根據風險類別確定對應的風險特征；
9、將各風險類別以及各風險類別對應的風險概率、綜合風險評分、風險等級、風險特征和建議措施匯總，生成目標公務車輛的安全評估報告；
10、輸出目標公務車輛的安全評估報告。
11、在一個可能的設計中，所述對各項行車數據進行預處理，得到行車數據集，包括：
12、對各項行車數據進行數據清洗和數據格式化處理，得到對應的格式化數據，并對數據清洗和數據格式化處理后的各項格式化數據進行數據整合，得到行車數據集，所述行車數據集包括時間信息、位置信息、速度信息、加速度信息、方向信息、油耗信息、故障信息、駕駛員信息、任務信息、環境信息和路徑信息。
13、在一個可能的設計中，所述對行車數據集進行特征提取，得到特征集，包括：
14、基于行車數據集選取各特征數據，并對各特征數據進行特征構造計算，得到對應的特征值；
15、對各特征值進行縮放處理，得到對應的標稱特征，所述縮放處理包括歸一化處理或標準化處理；
16、利用各標稱特征組成特征集，所述特征集包含位置特征、速度特征、加速度特征、駕駛行為特征、環境特征和任務特征。
17、在一個可能的設計中，所述風險識別網絡模型包括經過訓練、驗證及測試的卷積神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時的評估指標采用準確率、精確率、召回率和f1分數。
18、在一個可能的設計中，所述風險識別網絡模型包括經過訓練、驗證及測試的循環神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時的評估指標采用準確率、精確率、召回率和f1分數。
19、在一個可能的設計中，所述根據各風險類別以及各風險類別對應的風險概率計算各風險類別對應的綜合風險評分，包括：
20、調取預置的綜合風險評分算式，并基于風險類別確定對應的歷史風險系數和環境影響系數；
21、將風險類別對應的風險概率、歷史風險系數和環境影響系數代入綜合風險評分算式中進行計算，得到對應的綜合風險評分，所述綜合風險評分算式為：r＝p×h×e，其中，r為綜合風險評分，p為風險概率，h為歷史風險系數，e為環境影響系數。
22、在一個可能的設計中，所述根據各風險類別對應的綜合風險評分確定對應風險類別的風險等級，包括：
23、將各風險類別對應的綜合風險評分代入預置的風險評級規則中進行匹配，確定對應的風險等級，所述風險評級規則包含若干風險等級以及各風險等級對應的綜合風險評分區間。
24、第二方面，提供一種公務車輛行車安全評估系統，包括數據采集單元、特征提取單元、風險識別單元、評分計算單元、等級判定單元、綜合評估單元和結果輸出單元，其中：
25、數據采集單元，用于通過公務車輛網絡實時采集目標公務車輛的各項行車數據，并對各項行車數據進行預處理，得到行車數據集；
26、特征提取單元，用于對行車數據集進行特征提取，得到特征集；
27、風險識別單元，用于將特征集輸入預置的風險識別網絡模型中進行風險識別，得到風險識別結果，所述風險識別結果包含各風險類別及各風險類別對應的風險概率；
28、評分計算單元，用于根據各風險類別以及各風險類別對應的風險概率計算各風險類別對應的綜合風險評分；
29、等級判定單元，用于根據各風險類別對應的綜合風險評分確定對應風險類別的風險等級，并根據風險等級確定對應風險類別的建議措施，根據風險類別確定對應的風險特征；
30、綜合評估單元，用于將各風險類別以及各風險類別對應的風險概率、綜合風險評分、風險等級、風險特征和建議措施匯總，生成目標公務車輛的安全評估報告；
31、結果輸出單元，用于輸出目標公務車輛的安全評估報告。
32、第三方面，提供一種公務車輛行車安全評估系統，包括：
33、存儲器，用于存儲指令；
34、處理器，用于讀取所述存儲器中存儲的指令，并根據指令執行上述第一方面中任意一種所述的方法。
35、第四方面，提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有指令，當所述指令在計算機上運行時，使得所述計算機執行第一方面中任意一種所述的方法。同時，還提供一種計算機程序產品，當所述計算機程序產品在計算機上運行時，執行第一方面中任意一種所述的方法。
36、有益效果：
37、1.可以提高安全識別能力：本專利技術能夠有效識別出潛在的安全威脅，確保對公務車輛用車過程的實時監控和異常情況快速響應，從而降低安全風險。
38、2.可以實現高效本文檔來自技高網...
【技術保護點】
1.一種公務車輛行車安全評估方法，其特征在于，包括：
2.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述對各項行車數據進行預處理，得到行車數據集，包括：
3.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述對行車數據集進行特征提取，得到特征集，包括：
4.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述風險識別網絡模型包括經過訓練、驗證及測試的卷積神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時的評估指標采用準確率、精確率、召回率和F1分數。
5.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述風險識別網絡模型包括經過訓練、驗證及測試的循環神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時的評估指標采用準確率、精確率、召回率和F1分數。
6.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述根據各風險類別以及各風險類別對應的風險概率計算各風險類別對應的綜合風險評分，包括：
7.根據權利要求1
8.一種公務車輛行車安全評估系統，其特征在于，包括數據采集單元、特征提取單元、風險識別單元、評分計算單元、等級判定單元、綜合評估單元和結果輸出單元，其中：
9.一種公務車輛行車安全評估系統，其特征在于，包括：
10.一種計算機程序產品，其特征在于，當所述計算機程序產品在計算機上運行時，執行權利要求1-7任意一項所述的公務車輛行車安全評估方法。
...【技術特征摘要】
1.一種公務車輛行車安全評估方法，其特征在于，包括：
2.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述對各項行車數據進行預處理，得到行車數據集，包括：
3.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述對行車數據集進行特征提取，得到特征集，包括：
4.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述風險識別網絡模型包括經過訓練、驗證及測試的卷積神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時的評估指標采用準確率、精確率、召回率和f1分數。
5.根據權利要求1所述的一種公務車輛行車安全評估方法，其特征在于，所述風險識別網絡模型包括經過訓練、驗證及測試的循環神經網絡模型，且訓練時的損失函數采用交叉熵損失函數，驗證及測試時...
【專利技術屬性】
技術研發人員：王彌，孫德全，鄧波，張可薇，陳浩，張亮，王勃，
申請(專利權)人：西藏北斗森榮科技集團股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。